Frequentie waarschijnlijkheid of Frequentisme is een van de interpretaties van de waarschijnlijkheidstheorie. Het zeer vaak herhalen van een wetenschappelijk experiment levert een aantal resultaten op. Men kan dan het aantal keren tellen dat een bepaalde gebeurtenis zich heeft voorgedaan en dit vergelijken met het totale aantal experimenten. In deze opvatting wordt de kans van een gebeurtenis opgevat als de limiet van die relatieve frequentie wanneer het aantal herhalingen naar oneindig gaat.

Deze interpretatie van het begrip waarschijnlijkheid was zeer belangrijk voor de statistiek. Mensen die deze interpretatie gebruiken worden vaak Frequentisten genoemd. Bekende frequentisten zijn Richard von Mises, Egon Pearson, Jerzy Neyman, R.A. Fisher en John Venn. Hun werk legde onder meer de grondslagen voor hypothesetoetsing, betrouwbaarheidsintervallen en de formele analyse van steekproeven.

Andere interpretaties van waarschijnlijkheid zijn Bayesiaansewaarschijnlijkheid en Axiomatische waarschijnlijkheidstheorie

Wat betekent de frequentistische interpretatie precies?

Kort gezegd: de kans van een gebeurtenis A is het getal dat de langetermijnrelatieve frequentie van A beschrijft bij herhaalde, identieke en onafhankelijke experimenten. Bijvoorbeeld, de kans op kop bij een eerlijke munt wordt geïnterpreteerd als de fractie van keren dat kop verschijnt wanneer je de munt heel vaak opgooit. Deze opvatting vereist het concept van (theoretisch) oneindig veel herhalingen om een exacte kanswaarde te kunnen motiveren.

Belangrijke wiskundige onderbouwing

De frequentistische interpretatie wordt ondersteund door begrippen uit de kansrekening, zoals de wet van de grote aantallen en de centrale limietstelling. De wet van de grote aantallen garandeert dat de relatieve frequentie van een gebeurtenis bij herhaalde onafhankelijke proeven naar de verwachtingswaarde convergeert, wat de link legt tussen empirische frequenties en theoretische kans.

Toepassingen in de statistiek

Frequentistische principes vormen de basis voor veel klassieke statistische methoden, onder andere:

  • Hypothesetoetsing (p-waarden en toetsstatistieken), zoals het Neyman–Pearson-kader en Fishers significantietoetsen.
  • Betrouwbaarheidsintervallen: schattingen met een bepaalde dekking in herhaalde experimenten.
  • Frequentistische schatters en hun eigenschappen: onvertekendheid, consistentie en efficiëntie.
  • Industriële kwaliteitscontrole, klinische trials en steekproefontwerp waarbij herhaalde metingen en langetermijngedrag centraal staan.
  • Resampling-methoden zoals de bootstrap (hoewel soms hybride van interpretaties), die uitgaat van herhaalde steekproeftrekking uit de waargenomen data.

Belangrijke concepten en termen

  • Relatieve frequentie: aantal keren dat A voorkomt / totaal aantal proeven.
  • p-waarde: kans, onder de nulhypothese, op een resultaat minstens zo extreem als het waargenomen resultaat.
  • Betrouwbaarheidsinterval: een intervalkader dat, bij herhaalde steekproeven, in een vastgesteld percentage van de gevallen de ware parameter zal bevatten.
  • Neyman–Pearson lemma: theorie voor optimale toetsing tussen twee enkelvoudige hypothesen.

Voordelen van het frequentisme

  • Intuïtief en gemakkelijk te begrijpen in situaties met veel herhaalbare proeven.
  • Sterke wiskundige onderbouwing met asymptotische resultaten (bij grote steekproeven).
  • Brede toepasbaarheid in experimenteel en industrieel werk waarvoor langetermijngedrag relevant is.

Beperkingen en kritieken

Hoewel praktisch en historisch dominant, heeft het frequentisme ook beperkingen:

  • De interpretatie vereist (theoretische) herhaalbaarheid; voor enkelvoudige gebeurtenissen of unieke omstandigheden (bijv. de kans dat een specifiek medisch patiëntresultaat optreedt) is de frequentistische uitleg moeilijk toepasbaar.
  • Frequentisme kent geen directe probabilistische toekenning aan hypotheses of onbekende parameters — die mogelijkheid biedt juist de Bayesiaansewaarschijnlijkheid.
  • Betrouwbaarheidsintervallen worden vaak verkeerd geïnterpreteerd (ze geven geen directe kans over de parameter voor de geobserveerde dataset, maar een dekkingseigenschap over herhaalde steekproeven).
  • Afhankelijkheid van asymptotische resultaten kan problematisch zijn bij kleine steekproeven of schending van modelaannames.

Relatie tot andere interpretaties

De frequentistische benadering staat naast andere interpretaties:

  • Bayesiaansewaarschijnlijkheid: interpreteert waarschijnlijkheden subjectiever, als graden van geloof, en maakt het mogelijk om priorkennis en onzekerheid over parameters expliciet te modelleren.
  • Axiomatische waarschijnlijkheidstheorie: levert een abstracte, formele basis (Kolmogorov-axioma's) die zowel frequentistische als bayesiaanse berekeningen mogelijk maakt zonder zelf een filosofische interpretatie op te leggen.

Wanneer kies je frequentistische methoden?

Kies voor frequentistische methoden wanneer je te maken hebt met herhaalbare experimenten, duidelijke lange-termijnprestaties of wanneer objectieve, reproduceerbare procedures en foutcontrole (Type I/II-fouten, dekking van intervallen) vereist zijn. Voor situaties waarin je voorafkennis wilt integreren of directe waarschijnlijkheden over parameters nodig hebt, is de bayesiaanse aanpak vaak meer geschikt.

Samenvatting

Frequentisme beschouwt waarschijnlijkheid als de langetermijnrelatieve frequentie van een gebeurtenis bij herhaalde proeven. Het heeft een centrale rol gespeeld in de ontwikkeling van de moderne statistiek en vormt nog steeds de basis van veel standaardmethoden. Tegelijk kent het grenzen bij unieke gevallen en bij de behoefte aan probabilistische uitspraken over onbekende parameters — kwesties waarvoor alternatieve interpretaties, zoals de Bayesiaansewaarschijnlijkheid, worden gebruikt.